Copy攻城狮日志】“一分钟”跑通MindSpore的LeNet模型

网友投稿 621 2022-05-29

前言:此文为r0.7-beta的操作实践,为什么我的眼里常含泪水,因为我对踩坑这件事爱得深沉。谨以此文献给和我一样踩坑的小伙伴,纪念踩坑时刻。

↑开局一张图,故事全靠编。

有时候常常问自己:我一个前端开发,没有python基础,居然敢尝试使用深度学习框架?谁给的勇气,是梁静茹吗?有时候也常常暗示自己“技多不压身”,活得像周树人笔下的阿Q一样洒脱,不过现实就像--我是钻井工,钻了一个又一个的井,因为没有坚持,一次又一次地和宝藏擦肩而过最终空手而归;有时候也常常告慰自己:“Just DO IT”,IT这么吃香,不干IT还能干啥?不就是换个地儿搬砖吗?定个小目标,先跑通MindSpore的LeNet模型!

安装

优秀的全场景深度学习框架开源项目,应该提供Docker安装镜像;先康康我的运行环境:

Ubuntu 18.04.5 LTS

Docker version 18.09.6

这次安装的是CPU版本的,命令:

docker pull mindspore/mindspore-cpu:0.7.0-betadocker run -it mindspore/mindspore-cpu:0.7.0-beta /bin/bash

一步到“胃”,直接进入到home目录,接下来Copy攻城狮要开始表演粗劣的Copy***,跑通MindSpore的LeNet模型。

Fork代码

为啥要Fork代码呢?您指望一个毫无核心技术的Copy攻城狮手写一个深度学习框架MindSpore?代码千千万,Fork第一条!不啰嗦,先fork一下MindSpore官方仓库,一键拥有深度学习框架。当然Fork之后,我们要将代码clone到本地,因为我的码云账号叫hu-qi,所以我要clone的路径是https://gitee.com/hu-qi/mindspore。

git clone https://gitee.com/hu-qi/mindspore

因为码云是咱自己的,速度倍儿棒,稍等片刻,美味即将呈现。

翻车现场

ModuleNotFoundError: No module named 'mindspore.dataset.vision'.

习惯了瞎折腾,以为直接运行train.py就能一分钟跑通,还是“too young,too simple”。一波错误的示范,然后就是图中巨大的坑:

幸好前人已经踩过坑了:Windows系统下跑通华为MindSpore的Lenet网络,尽管是Windows系统的,看上去似乎是相同的问题。为了记录本次踩坑历程,我决定施展一下git技能!

checkout踩坑分支

为了印象更加深刻,我决定将分支命名为9-12,以此纪念"9·12踩坑事件"。

cd /home/mindspore git checkout -b 9-12

然后参照前人的经验教训开始修改本地文件。

修改文件

本次修改的是两个文件--lenet/train.py和lenet/src/dataset.py。

lenet/src/dataset.py

# …… # line 20新增层级transforms import mindspore.dataset.transforms.vision.c_transforms as CV # line 22新增层级transforms from mindspore.dataset.transforms.vision import Int # ……

lenet/train.py

# …… # 注释line 32和line34 # from mindspore.common import set_seed # set_seed(1) # line 55新增设置is_grad=false net_loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction="mean", is_grad=False) # ……

在lenet目录满怀信心的执行命令:python train.py --device_target=CPU --dataset_sink_mode=False,结果又是一个错误:ValueError: The folder ./Data/train does not exist or permission denied!。

一开始以为是权限的问题,经过一些尝试,发现是没有Data目录。那就在lenet下新建一个Data目录以及子目录test和train吧。

cd /home/mindspore/model_zoo/official/cv/lenet mkdir Data mkdir Data/test && mkdir Data/train

然后依旧满怀信心敲下执行训练的命令:python train.py --device_target=CPU --dataset_sink_mode=False

结果又是一个坑:Unexpected error. There is no valid data matching the dataset API MnistDataset.Please check file path or dataset API validation first.。怎么办?意识到脚本并没有给我自动下载Mnist数据集,又不懂代码,只好手动去下载了。

下载Mnist数据集

Mnist数据集: http://yann.lecun.com/exdb/mnist/

【Copy攻城狮日志】“一分钟”跑通MindSpore的LeNet模型

数据目录结构:

└─Data ├─test │ t10k-images.idx3-ubyte │ t10k-labels.idx1-ubyte │ └─train train-images.idx3-ubyte train-labels.idx1-ubyte

既然是linux,二话不说,先来四个wget!

# 切换到Data目录 cd Data # 下载训练图片 wget # 下载训练标签 wget #下载测试图片 wget # 下载测试标签 wget http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz

然后又是一波解压操作,来四个gunzip:

gunzip train-images-idx3-ubyte.gz gunzip train-labels-idx1-ubyte.gz gunzip t10k-images-idx3-ubyte.gz gunzip t10k-labels-idx1-ubyte.gz

最后,再来一波移动文件操作压压惊。来四个mv:

mv train-images-idx3-ubyte ./train mv train-labels-idx1-ubyte ./train mv t10k-images-idx3-ubyte ./test/ mv t10k-labels-idx1-ubyte ./test/

此时此刻,感受到不懂代码真吃亏,明明几行代码就解决了,我要这么多套“切克闹”才能获取到数据集,我一定向明明学习,争取早日摆脱Copy攻城狮的称号,实现代码自由,赢取开源硕果,走向撸码巅峰!咳咳,再来一盘花生米,我还能唠嗑!

训练及验证

新司机再次上路,这回我总能愉快的训练了吧?

cd /home/mindspore/model_zoo/official/cv/lenet python train.py --device_target=CPU --dataset_sink_mode=False

然后终于看到了胜利的曙光,跑起来了!跑起来了!跑起来了! 看到一行行日志不断涌现,我的眼眶噙满了泪水--“小胡,你在干啥?你丫一前端上班在跑模型,不想干了吗?明天去财务领钱……” 还好隔壁王哥及时解围--“他这是在深度学习,以后不会再把1像素切成2像素了”

接下还需要验证一下:

cd /home/mindspore/model_zoo/official/cv/lenet python eval.py --ckpt_path="ckpt/checkpoint_lenet-10_1875.ckpt" --device_target=CPU

运行结果:

============== Starting Testing ============== ============== {'Accuracy': 0.9847756410256411} ==============

勉强能接受吧,毕竟只整了10个epoch。

上传到远程仓库

尽管我们已经跑通了MindSpore的LeNet,不过我还是希望能把踩的这些坑记录下来,最后再使用一下git技能:

# 切换到本地仓库目录 cd /home/mindspore # 设置git git config --global user.email "huqi1008301@163.com" git config --global user.name "hu-qi" # 查看本地分支,确保我的9-12还在 git branch # 查看有哪些改变 git status # 新增改变 git add . # 提交改变到缓存仓库 git commit -m 'finish LeNet' # 推送分支到远程(按照提示登录) git push origin 9-12

一顿操作猛如虎,一看代码原地杵,当然要切换到9-12这个分支才有的啦。

结语

所谓“一分钟”的体验,大概花了一个小时踩坑了,然后大概花了三个小时来记录。不足之处,期待各位大佬多多指教!

Git Python

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:漫谈:基于云服务的运维模式初探(云计算漫谈之二)
下一篇:《Python大规模机器学习》—2 Scikit-learn中的可扩展学习
相关文章